spark算子union使用

1.使用parallelize产生两个RDD

val rdd1 = sc.parallelize(List(("a",1),("b",2)))

val rdd2 = sc.parallelize(List(("c",3),("d",4),("a",1)))

2.Union使用（包括重复数据）

rdd1.union(rdd2).foreach(print)

输出结果为：(a,1)(b,2)(c,3)(d,4)(a,1)

官网关于Union使用如下：

def
union(other: RDD[T]): RDD[T]
 Permalink
Return the union of this RDD and another one. Any identical elements will appear multiple times (use .distinct() to eliminate them).

如果想去除重复的数据使用distincteliminate方法。

3.使用distinct去除重复数据

rdd1.union(rdd2).distinct().foreach(x => print(x+" "))

输出结果为：(a,1)(b,2)(c,3)(d,4)

4.完整代码示例如下